新闻资讯7

ClockBench测试：AI认表远不如人类

AI工程化2025-09-08

AI 摘要

ClockBench测试让11个多模态大模型与人类认表，人类准确率近9成，AI最高仅13.3%。AI处理抽象指令强，但复杂钟面表现差，暴露视觉AI空间推理缺陷，对评估有启发。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

GPT-5.6 Sol视觉能力跃升，性价比战刚开场

第三方评测机构Roboflow测试显示，GPT-5.6 Sol在目标检测、计数等视觉任务上表现出色，尤其在文档版面识别和密集场景处理上进步明显，但认字能力有退步，且大尺寸图片检测框易飘移。

多模态大模型处理多参考图与视频对应关系能力不足。为此提出 RefCaptioner，强化模型对参考图识别感应能力、优化输出格式与奖励函数；还构建 MRVBench 评测基准，实验显示其表现优异。

随着AI生图能力提升，如何让AI进入创作流程成新问题。兔展智能基于UniWorld - Design视觉AI大模型推出RabbitVis，推动视觉AI从图片生成走向可编辑、可交付的创作流程，解决创作流程断点问题。

随着多模态大模型发展，Web Agent 面临验证码挑战。上海交通大学等团队发布 HLL 评测基准，解耦真实度为三维度，对 8 款前沿模型测试，揭示 Agent 在多步交互微操上的短板。